# 今日最值得做：Reprice
**报告日期**: 2026-10-26
**覆盖时间**: 2026-10-26T00:00:00+08:00 – 2026-10-26T23:59:59+08:00（UTC）
**生成状态**: ok
## 今日最值得做：Reprice
**一句话描述**: 用你自己的 20 条 golden case，在每次 LLM 降价后算出：哪个更便宜的模型仍然踩得住你的质量线。
**为什么是现在**: 过去四个月里，模型价格被重排了至少三轮：OpenAI 在 7 月 30 日把 GPT-5.6 Luna 从 $1/$6 一刀砍到 $0.20/$1.20（-80%），Anthropic 的 Sonnet 5 用 $2/$10 的临时价抢市场，MiniMax M3.1 Flash 又在 agent 场景打出“3 倍速度、便宜 70%”。与此同时 IBM CEO 在财报电话会上给出了一个新基线：开源权重模型做到前沿 90% 的性能、10% 的价格，两三个机柜就能 on-prem。这意味着每个独立开发者的“最优模型”结论平均两周就过期一次，而绝大多数人手里根本没有一个能在 10 分钟内重跑一遍的对照实验。Reprice 卖的不是比价表，是“降价之后我的任务还达标吗”这个问题的答案。
**支撑证据**:
- OpenAI 在 7 月 30 日把 GPT-5.6 Luna 从 $1/$6/$0.10 降到 $0.20/$1.20/$0.02，降幅 80%，文章明确指出如果不降价它会被 DeepSeek V4 Pro 打败——价格是被竞争逼出来的，不是一次性的。 _(signal #90046)_
- IBM CEO 给出的数字是“90% 的性能、10% 的价格，两三个机柜”，并承认 2024 年前沿模型 70 分对开源 20-30 分的差距已经消失——闭源模型的价格锚点正在被结构性拉低。 _(signal #90122)_
- DeedReader 用 $1.15、16 分钟的 LoRA 把 Qwen3-8B 在产权契据上的准确率从 10%（6/60）拉到 99.6%（2,988/3,000），整个项目含所有基线只花了约 $3.80——小模型在窄任务上已经能碾压通用前沿模型，缺的只是“怎么验证”这一步。 _(signal #90018)_
- MiniMax M3.1 Flash 主打“3 倍速度、便宜 70%，面向 agent”，说明面向 agent 的廉价档位正在成为独立品类而非单点促销。 _(signal #90196)_
**最快验证步骤**: 在 HN 那条 309 条评论的降价帖和 Dev.to 的 Hacktoberfest 评论区里，找 20 个明确写了“我在用 X 模型跑 Y 任务”的人，私信一句话：“给我 20 条你任务的正确输出，我 2 小时内免费告诉你换到哪个模型能省多少钱、掉不掉点。” 目标：48 小时内拿到 5 份真实 eval 集，其中 3 份在看到报告后愿意付 $29。任何一份报告里如果找不到省钱档位，就把这个方向砍掉。
**反方观点**: OpenAI 在 7 月 30 日一天之内把 Luna 砍掉 80%，任何静态比价页面的有效期不超过 24 小时；而 OpenRouter 和 LiteLLM 已经把“实时价格表 + 路由 + fallback”做成了免费基础设施，所以“比价”本身一分钱不值。Reprice 唯一能站住的地方是：LiteLLM 只保证请求发得出去，不保证换模型之后你那 20 条契据/工单/解析任务还答得对。如果用户不愿意花 20 分钟准备 golden set，这个产品当天就退化成一张自己会过期的表。
## 今日 TOP 信号
### OpenAI 和 Anthropic 在几个月内把 LLM 价格砍了最多 80%，为什么？
**来源**: hackernews | **指标**: Score: 313 / Comments: 309
309 条评论说明这不是新闻，而是一次集体的成本重算。时间线把每一次降价都记到了具体日期和具体价格（$1/$6 → $0.20/$1.20），正好是“上周的结论今天作废”的可复现证据。
### IBM CEO：开源权重模型现在又好又便宜，可以 on-prem
**来源**: hackernews | **指标**: Score: 253 / Comments: 145
“90% 的性能、10% 的价格”是今天唯一一个由上市公司 CEO 在财报电话会上给出的量化锚点。它把降价的压力从 API 层传导到自托管层，也让“评估要不要换”从小团队问题变成 CFO 问题。
### 一个 $1.15 的 LoRA 把产权契据识别从 10% 拉到 99.6%，并且会说“请人工核对这一行”
**来源**: devto | **指标**: Comments: 16
这是今天最锋利的对照实验：同一个小模型、同一个 prompt，只因为加了 16 分钟训练就从不合格变成 99.6%（2,988/3,000）。它证明了“便宜的模型够不够用”完全取决于你有没有自己的验证集，而这正是 Reprice 的卖点。
### MiniMax M3.1 Flash：面向 agent，快 3 倍、便宜 70%
**来源**: producthunt | **指标**: N/A
“便宜 70%”不再是旗舰模型的促销，而是专门为 agent 循环设计的独立档位。当价格以 3x/70% 这种粒度重排时，任何手工维护的模型选型表都会在一周内失真。
### t3dotgg/tstack：把日常 agent skills 收拾成任何人可用的仓库
**来源**: github-trending | **指标**: Stars: 1103
同一天里 BeautifulRust（1120 星）、ub-mode（602 星）、dimensional-drawing（831 星）都是 agent skill 形态。分发已经标准化：Reprice 的周末形态应该是一个能被 `curl | tar -xz -C ~/.claude/skills` 装进去的 skill，而不是一个独立 SaaS。
## 发现
### Q1. 今天有哪些独立创始人产品发布了？
**信号**: Hacker News 的 Show HN 发布集中出现独立产品：TitleArt（评分 332 / 评论 63，id=90116）、Hurston-1 开源 TTS（评分 39 / 评论 19，id=90055）、ADRs for AI（评分 44 / 评论 24，id=90134）、Colorfigures（评分 57 / 评论 7，id=90332）。
**分析**: 今天的独立发布偏向“轻量、可立即试用”的工具：TitleArt 做复古文字效果，Hurston-1 做垂直口音 TTS，ADRs for AI 做人类与 AI 协作的决策记录，Colorfigures 做可交互的 AI 插画。它们都在 Hacker News 用 Show HN 直接获客，说明独立创始人仍把 HN 当作首发验证场。
**结论**: 观察：优先拆解 TitleArt 和 ADRs for AI 的首发文案与评论反馈，不做泛化的“AI 套壳”发布，先验证一个具体工作流痛点。
**反方观点**: 同日的 Product Hunt 还有 ManyAgents、VibeiDE、AVP 等同类产品，独立发布很容易被淹没；Hurston-1 只有评分 39 / 评论 19，说明垂直 TTS 的付费转化仍需验证。
### Q2. 哪些搜索词或讨论主题突然上升？
**信号**: Hacker News 热帖显示讨论簇集中在：Anthropic S-1（评分 690 / 评论 625，id=90335）、OpenAI 与 Anthropic 降价（评分 313 / 评论 309，id=90046）、IBM CEO 称开放权重模型便宜好用（评分 253 / 评论 145，id=90122）、CNN 诊断皮肤癌优于前沿 LLM（评分 560 / 评论 238，id=90042）。
**分析**: 上升主题不是单一“AI 新品”，而是三类可搜索词簇：LLM 价格战与成本、开放权重模型的本地部署、垂直专业任务中专用小模型对前沿 LLM 的可验证优势。融资和价格讨论同时升温，说明市场在重新定价模型能力。
**结论**: 观察：优先跟踪“LLM 降价、开放权重、垂直诊断”三个词簇，做成本对比和本地部署内容；等待 Anthropic S-1 细节再判断企业采购变化。
**反方观点**: Anthropic S-1 的评分 690 / 评论 625 可能只是融资新闻脉冲；OpenAI 降价帖评分 313 / 评论 309 显示用户更关心价格而非单一公司治理，搜索需求可能快速转向成本工具。
### Q3. 哪些开源项目增长很快但缺少商业版本？
**信号**: GitHub Trending 上，t3dotgg/tstack 获得星标 1,103（id=90174），unclebob/ub-mode 获得星标 602（id=90305）；两者摘要都显示为面向 Claude Code、Codex 的 agent skills 仓库，分发形态偏开源规则与技能包。
**分析**: agent skills 正在成为独立增长品类：个人品牌加 GitHub 分发即可快速获星，但商业化入口不在仓库摘要中。tstack 偏日常代理技能集合，ub-mode 偏软件工程纪律约束，二者都可能被 IDE 或代理平台内置能力吸收。
**结论**: 观察：把 tstack 和 ub-mode 当作“技能市场”需求温度计，不做付费技能商店，先看 Claude Code、Codex 是否开放技能分发与计费。
**反方观点**: Cursor 和 Claude Code 正在把 agent 工作流内置；ub-mode 的 602 星标相对 tstack 的 1,103 星标更小，说明单点规范技能难独立收费。
### Q4. 开发者今天在抱怨什么？
**信号**: Hacker News 上，Removing Next.js Got My Blog to 100 on Every Lighthouse Category 获得评分 141 / 评论 79（id=90126）；Active incident at Dreamhost forcing password reset 获得评分 153 / 评论 60（id=90053）。dev.to 上，Our Health Check Failed and the Deploy Went Live Anyway 有评论 2（id=90195），Stop Building Docker Images on Your 2 GB Droplet 有评论 2（id=90323）。
**分析**: 开发者抱怨集中在四类可操作问题：Next.js 带来的博客性能与复杂度、托管商事故与强制密码重置、健康检查失效后仍上线、低内存实例上构建 Docker 镜像。前两类是平台与框架摩擦，后两类是部署流程与成本约束。
**结论**: 观察：把“Next.js 迁移评估、部署健康检查、低成本镜像构建”做成可验证清单，不做泛化的框架嘲讽内容。
**反方观点**: Next.js 抱怨帖有评分 141 / 评论 79，但 Vercel 仍掌握框架路线与商业托管；单篇博客满分案例不足以证明框架整体失败。
## 技术雷达
### Q5. 本周增长最快的开发者工具是什么？
**信号**: GitHub Trending 今日快照：t3dotgg/tstack 获 1103 stars，unclebob/ub-mode 获 602 stars；Hacker News 上 JetBrains Thinkrail 获 161 分、112 条评论。
**分析**: 增长集中在 agent skill 与 agentic IDE 层：tstack 把日常 agent skills 整理成 Claude Code 与 Codex 可复用的技能包，ub-mode 用技能强制软件工程纪律；Thinkrail 则把 IDE 做成会学习项目的 agent 环境。相比单纯代码补全，开发者更愿意尝试可插拔、可版本化的 agent 工作流。
**结论**: 做：先把团队高频编码规范封装成 Claude Code/Codex 双运行时 skill，再评估是否接入 Thinkrail 类 agentic IDE。
**反方观点**: JetBrains Thinkrail 虽获 161 分，但它是完整 IDE，若内置技能市场成熟，tstack 这类独立 skill 包可能被平台吸收；不要只押注单一 skill 格式。
### Q6. 哪些 AI 模型、框架或基础设施值得关注？
**信号**: Hacker News：OpenAI 与 Anthropic 数月内把 LLM 价格最多下调 80%（313 分、309 评论）；IBM CEO 称开放权重模型已达 90% 性能、10% 价格（253 分、145 评论）；vLLM 修复 tool-call 准确率讨论获 81 分；Product Hunt 的 MiniMax M3.1 Flash 宣称对 agent 快 3 倍、便宜 70%。
**分析**: 值得关注的是成本、延迟与工具调用可靠性三角，而非单一模型榜单。价格战让多模型路由更可行，开放权重把推理推向本地或私有云，vLLM 的 tool-call 修复直接关系到 agent 生产可用性；MiniMax M3.1 Flash 则把便宜且快作为 agent 卖点。
**结论**: 做：为 agent 负载建立多模型路由，优先压测 MiniMax M3.1 Flash、开放权重模型和修复后的 vLLM tool-call 链路。
**反方观点**: 专用小模型仍可能反超前沿 LLM：Hacker News 560 分的 10 年前 CNN 在皮肤癌诊断上击败 frontier LLMs，说明通用模型降价不能替代垂直任务验证。
### Q7. 哪些平台、产品或技术正在衰退？
**信号**: Hacker News：“Removing Next.js Got My Blog to 100 on Every Lighthouse Category” 获 141 分、79 条评论；“Websites Should Be Printable” 获 153 分、123 条评论。
**分析**: 衰退信号集中在内容站默认上 Next.js 与重客户端渲染这一层：移除 Next.js 后全 Lighthouse 100，以及可打印网页讨论升温，都指向对框架体积、客户端 JS 和构建复杂度的疲劳。更准确地说，是轻内容场景去框架化，而不是全栈 React 整体消失。
**结论**: 观察：内容站先不要默认上 Next.js；用静态生成或原生 HTML 做对照，确认 SEO 与维护成本后再决定是否迁移。
**反方观点**: Next.js 仍是全栈 React 的强势默认项；同一周 JetBrains Thinkrail 以 161 分、112 评论构建重型 agentic IDE，说明复杂应用并未放弃重前端框架。
### Q8. 成功的 Show HN / GitHub 项目在使用什么技术栈？
**信号**: Hacker News 的 PaperPilot 获 201 分，主打 Pure Rust + WASM + MCP；GitHub Trending 的 t3dotgg/tstack 获 1103 stars，明确面向 Claude Code 与 Codex；Show HN Hurston-1 以 Apache-2.0 开源 TTS 获 39 分；BeautifulRust 获 1120 stars。
**分析**: 成功项目的技术栈集中在三条线：本地优先与隐私（Pure Rust、文件不出机器）、agent 可调用接口（MCP、Claude Code/Codex skill）、以及可传播的开源许可证（Apache-2.0）。Rust/WASM 用于性能与跨端，agent skill 用于分发工作流，二者常叠加。
**结论**: 做：新开发者工具优先提供 MCP 或 agent skill 入口，并给出本地运行路径；性能敏感模块再考虑 Rust/WASM。
**反方观点**: TitleArt 以 332 分、63 评论成功，技术栈只是 1997 复古文本生成，不依赖 Rust/MCP；说明趣味性与传播钩子可能比技术栈更决定 Show HN 成败。
## 竞争情报
### Q9. 独立开发者在讨论什么定价和收入模式？
**信号**: Hacker News 讨论『OpenAI and Anthropic cut their LLM prices by up to 80%』Score 313 / Comments 309；IBM CEO『90% of the performance at ten percent of the price』Score 253 / Comments 145；Product Hunt『MiniMax M3.1 Flash』宣称 3x faster、70% cheaper。
**分析**: 独立开发者讨论的重点已从“如何定价”转向“成本下降后如何重新定价”：模型侧几个月内降价最高 80%，开源权重模型能在 2–3 个机架内做到 90% 性能、10% 价格，Minimax 又把 agent 调用价格再压低 70%。在同一批信号中，dev.to 的实践把单任务成本压到 $1.15（读地契），并在 8GB RTX 3050 上用“半量 token”微调 Gemma 4，说明个人开发者可用的成本基准正在快速下降。由此判断：订阅制涨价叙事失效，更现实的做法是把定价建立在“每任务成本”和“按结果/按次计费 + 一次性买断 + 本地离线打包”上，而不是赚模型 API 的差价。
**结论**: 做：把定价建立在“每任务成本”上，优先做本地/离线推理的一次性买断或按结果计费，别再按模型 API 价差定订阅价。
**反方观点**: MiniMax M3.1 Flash 已把 agent 价格打到 70% cheaper，纯“便宜”卖点会被上游模型厂直接吞掉；CloudKnife 这类“只帮你省云账单”的工具也证明省钱本身很难收溢价。
### Q10. 哪些迁移、替代或“XX 已死”趋势正在出现？
**信号**: Hacker News『Removing Next.js Got My Blog to 100 on Every Lighthouse Category』Score 141 / Comments 79；GitHub Trending『Bridgeplay: Windows games, in your Mac's Steam』Stars 502；Product Hunt 同日出现『AVP — Open source alternative to Git for AI coding agents』与『desigma — Free Figma alternative made on Rust』。
**分析**: 迁移叙事集中在三层：一是前端框架，移除 Next.js 后 Lighthouse 全项 100（141 分/79 评论）把“框架税”变成可量化卖点；二是协作工具层，desigma 直接以“免费 Rust 版 Figma”定位；三是版本控制层，AVP 自称 AI coding agent 的 Git 开源替代。另有 Python 3.14 的 concurrent.interpreters 把 3.6 秒 GIL 瓶颈压到 0.9 秒，属于“旧约束已死”的技术型迁移。共同点是：替代方都不讲理念，而是给出迁移前后的硬数字（性能分、体积、耗时、价格）。
**结论**: 做：把“从 X 迁到 Y”做成一键迁移 + 迁移前后可量化对比（Lighthouse 100、包体积、耗时、成本），而不是只喊“XX 已死”。
**反方观点**: 单篇 141 分博客只是个人静态站场景，Next.js 在企业与 Vercel 生态仍是默认项；desigma 缺 Figma 的插件市场与多人协作护城河，“免费替代”很容易停在口号层。
### Q11. 哪些老项目或旧需求突然复活？
**信号**: Hacker News『Show HN: TitleArt – Make text like it's 1997』Score 332 / Comments 63；『Websites Should Be Printable』Score 153 / Comments 123；Product Hunt『Flipcorder — A 1991 camcorder for your iPhone, one tape a day』与『2G — Sampler to create early 2000 Neural Synthesis』同日上榜。
**分析**: 复活的是两类旧需求：其一是复古视觉与模拟质感——1997 年 WordArt 风格字效（332 分）、1991 年 camcorder“一天一盘带”的强约束、2000 年初的合成器音色；其二是被判定已死的物理/离线输出——网页应当可打印（153 分/123 评论）。二者指向同一反作用力：AI 生成内容的同质化与数字内容的易逝性，让“有年代感、可打印、可留存”的旧形态重新具备溢价空间。此外 Pokémon 卡以 £1.5M 成交也说明旧收藏品的价值重估情绪在扩散。
**结论**: 做：把复古/离线/可打印当作差异化外壳，套在成熟能力上（一键 1997 字效、可打印版网页、胶片质感），复用一个已被验证过的老需求，教育成本低。
**反方观点**: TitleArt 拿到 332 分但只有 63 条评论，围观远多于实际使用；Flipcorder 的“一天一盘带”强约束也可能只是猎奇噱头，Pokémon 卡 £1.5M 属于收藏市场个案，不等于复古工具能形成持续付费。
## 趋势
### Q12. 本周最高频关键词是什么？
**信号**: GitHub Trending 上 t3dotgg/tstack 单日 1,103 stars、unclebob/ub-mode 602 stars、DenisSergeevitch/ex-ussr-kinship-research 698 stars，三个项目在标题层都直接自称 agent skill；Product Hunt 同日出现 AVP（面向 AI coding agent 的 Git）、ManyAgents（一个窗口跑一队 coding agent）、AI Bridge、tabsh、VibeiDE、WhoIsCooking（看哪个 agent 在烧 Mac）共 6 款 agent 工具；Hacker News 上《The State of Context Engineering》236 分 / 59 评论。在展示的 90 条信号中，含 agent / agent skills 字样的不少于 14 条，是出现频次最高的词。
**分析**: 关键词已经从 2025 年的 “agent 框架” 收敛到 “agent skill”——即一个可被 Claude Code、Codex 直接加载、可分发的技能包，而不是一套要自己搭的编排框架。与之配套的是成本侧变化：OpenAI 与 Anthropic 在数月内把 LLM 价格下调最多 80%（HN 313 分 / 309 评论），使“让 agent 多跑几轮”从成本问题变成设计问题。供给端（skill 包）和需求端（更便宜的长链推理）同时成熟，才让这个词从概念词变成动词。
**结论**: 做：本周内把团队现有 3–5 条高频工作流封装成带 README 与触发条件的 skill 包，发布到 GitHub 并标注兼容 Claude Code / Codex，抢占 agent skill 的分发入口，而不是再做一层编排框架。
**反方观点**: agent 工具层已经明显拥挤：Product Hunt 当日 6 款 agent 产品全部未披露用户数或留存，而同周 Anthropic S-1 拿到 690 分 / 625 评论，说明模型厂自身正在向下吞并 agent 层；参照 MiniMax M3.1 Flash 主打“3 倍速、便宜 70% 专为 agent”，一旦模型侧把调度能力内置，独立 skill 分发平台的议价能力会被迅速压缩。
### Q13. 哪些概念正在降温？
**信号**: Hacker News《The State of Context Engineering》236 分 / 59 评论，核心论点被改写为“知道何时该确定性、何时该概率性”，提示词技巧本身不再是主题；同周《Attention Is Not What You Need (2025)》162 分 / 55 评论继续质疑注意力机制叙事；前端侧《Removing Next.js Got My Blog to 100 on Every Lighthouse Category》141 分 / 79 评论；dev.to 的《The Best Prompt Rule Is the One You Delete》直接把“提示词护栏”判为负债，主张搬进 Git 锁、Linux insmod 与 15ms 编译器自动修复。
**分析**: 降温的不是 AI 本身，而是两类中间层：一是“提示词工程”作为独立技能——它正被上下文工程（context engineering）和确定性护栏（Git 锁、编译器级自动修复）替代，因为提示词规则会不断膨胀且不可验证；二是“重前端框架”叙事——Next.js 被拿掉后 Lighthouse 全项 100 的案例，说明框架带来的复杂度红利已被耗尽。两者共性是可验证性缺失：凡是无法被 CI 或编译器强制执行的规则，都在被降级。
**结论**: 不做：停止维护纯提示词模板库与 Next.js 全家桶式重架构；观察：把同等预算转投可被 CI 强制的确定性护栏（Git 锁、编译期修复、ADR 版本化），两周后对比线上事故率再决定是否扩大投入。
**反方观点**: 降温可能只是叙事疲劳而非真实需求消失：Anthropic S-1 拿到 690 分 / 625 评论，头部模型厂正把上下文管理内置进产品，第三方“上下文工程方法论”内容反而可能被平台吸收成默认能力；同时 Next.js 仍是 Vercel 商业主线，单一博客的性能案例（141 分 / 79 评论）不足以证明框架层整体退潮。
### Q14. 哪些新词或新类别正在从零开始出现？
**信号**: Product Hunt 同日出现 4 款此前无对应品类的产品：WhoIsCooking（看哪个 AI agent 在加热你的 Mac 并降温）、ManyAgents（一个 Mac 窗口跑一队 coding agent）、AI Bridge（把所有 AI coding agent 各就各位）、Standfast（预判 GitHub Actions runner 是否会接到活）；GitHub Trending 上 lyramakesmusic/neuron-explorer 1,123 stars，提出 “steering-first neuron explorer” 这一新范式词；Hacker News《Show HN: ADRs for AI – Deliberation records for human–AI work, versioned in Git》44 分 / 24 评论，提出 “deliberation record（审议记录）” 作为新文档类别；Product Hunt 的 AllModels 以 “abliterated model” 作为检索词建立目录。
**分析**: 从零出现的是一个可称为“agent 运行时治理”的品类：不再是生成内容，而是回答“谁在跑、跑了多少、烧了多少电和 token、结果该记在哪”。它的三个子层已经同时冒头——资源层（WhoIsCooking、Standfast 的算力/runner 占位）、编排层（ManyAgents、AI Bridge 的并行与归位）、留痕层（deliberation record 与 ADR 版本化进 Git）。之所以现在出现，是因为 agent 从单次调用变成长时间常驻进程，原本由人承担的调度与审计职责出现了真空。
**结论**: 做：切入“本地多 agent 调度 + 资源与成本可观测”这一空白品类，先交付 macOS 侧的 agent 功耗与 token 双计费看板，并把 deliberation record 作为默认导出格式，用留痕能力做差异化。
**反方观点**: 这个品类很可能只是过渡形态：一旦 Anthropic（S-1 讨论 690 分 / 625 评论，平台化意图明确）或 OpenAI 在客户端内置多 agent 编排与用量面板，独立调度器的窗口期可能只有 1–2 个季度；参照 whoiscooking 这类单点工具，功能可被系统级活动监视器一次性覆盖。
## 行动
### Q15. 今天最值得花 2 小时做什么？
**信号**: github-trending：t3dotgg/tstack 1103 stars（Claude Code 与 Codex 通用的 agent skills 集合）；github-trending：unclebob/ub-mode 602 stars（用 skill 强制软件工程纪律）；hackernews：ADRs for AI 44 分 / 24 评论（把人类—AI 协作的决策记录版本化进 Git）。
**分析**: 三条信号指向同一件事：agent 的「能力」和「约束」正在从散落的 prompt 迁移到可版本化的 skill 文件。tstack 证明分发形态成立（1103 stars 且明确说在 Claude Code 与 Codex 双端可用），ub-mode 证明「纪律约束」也能被 skill 化（602 stars），ADRs for AI 则补上第三块拼图——调用过程需要留下可审计的决策记录。三者叠加，2 小时足以做出一个能跑的最小闭环：写一个 skill、套一层工程纪律规则、每次调用自动生成一条决策记录。
**结论**: 做：2 小时内用 tstack 的目录结构写一个 skill，套用 ub-mode 的纪律规则，并为每次调用生成一条 Git 里的决策记录，在 Claude Code 上跑通一次真实的小改造。
**反方观点**: t3dotgg/tstack 已经拿到 1103 stars 且自带作者个人影响力，同样的 skill 目录结构再做一遍等于重复造轮子；更稳的做法是直接给 tstack 提 PR 而不是另建仓库。
### Q16. 为什么不是另外两个候选方向？
**信号**: producthunt 同日出现 AI Bridge（每个 AI coding agent 各归其位）、ManyAgents（一个 Mac 窗口跑一队 agent）、VibeiDE（并行排队 agent 任务并逐个 review）、tabsh（浏览器标签页里的 IDE）四个 agent 编排/多开产品；dev.to Hacktoberfest 第 3 周同时出现 Snoozebox、Said It、Slowth Money、SteadyDev 等多个「本地 Gemma 处理邮件/财务/会话交接」小工具。
**分析**: 方向 A（多 agent 编排 UI）在今天一天内被至少四个产品同时占位，且都是 Mac 桌面壳，差异化只剩交互细节，属于赢家通吃的红海；方向 B（本地小模型处理个人事务）在 Hacktoberfest 里同质化严重，全是单人 demo，缺少付费理由。相比之下 skill 供应链这条线今天只有 tstack（1103 stars）与 ub-mode（602 stars）两个点，且都只覆盖「写」，不覆盖「锁版本、审计来源」，空隙更大。
**结论**: 不做 agent 编排 UI，也不做本地小模型个人助理；把 2 小时压在 skill 的版本化与审计这一侧。
**反方观点**: AI Bridge 与 ManyAgents 已经把多 agent 桌面管理做成上架产品，说明该方向的用户付费意愿被验证过；而 skill 供应链目前连一个付费产品都没有，可能只是开发者自娱。
### Q17. 最快验证步骤是什么？
**信号**: github-trending：t3dotgg/tstack 1103 stars、unclebob/ub-mode 602 stars，说明「单文件 skill 仓库」是这个赛道被验证过的分发单位；hackernews：ADRs for AI 44 分 / 24 评论，说明「AI 决策留痕」有真实讨论但尚未形成大项目。
**分析**: 验证不需要先做产品，只需要一个可被 star、可被 fork 的仓库。以 tstack 与 ub-mode 的量级为参照，单 skill 仓库的合理冷启动目标是 7 天内 150 stars、10 个 issue；低于此说明「审计 + 锁定」不是真痛点，只是我自己觉得痛。同时用 ADRs for AI 的 44 分作为讨论热度基线，Show HN 能过 44 分才算进入公共视野。
**结论**: 做：今天把 skill + 决策记录模板发到 GitHub 并投 Show HN，用 7 天 150 stars / 10 个 issue 作为继续投入的判定线，未达标就等待而不加码。
**反方观点**: 同日的 Show HN: Hurston-1 只有 39 分 / 19 评论，说明小而美的开发者工具在 HN 上极易被淹没，150 stars 的阈值可能一周都摸不到，验证周期应直接拉到 14 天。
### Q18. 周末扩展成什么产品？
**信号**: producthunt：AVP 定位为「面向 AI coding agents 的开源 Git 替代」；hackernews：ADRs for AI 44 分 / 24 评论；github-trending：t3dotgg/tstack 1103 stars、unclebob/ub-mode 602 stars。
**分析**: 周末的扩展方向是把单个 skill 长成「skill 供应链」：一个私有 registry（团队内分发与版本钉住）+ 一份 lockfile（锁定 skill 版本与哈希）+ 一条审计流水（哪个 agent 在哪次提交里用了哪个版本的哪条规则）。AVP 做的是 agent 的代码版本控制，与 skill 的依赖锁定是不同层，可以并存而非对撞。ADRs for AI 的 44 分说明审计叙事有共鸣但尚无产品承接。
**结论**: 做：周末把它做成 skill registry + lockfile + 审计日志三件套，明确只锁 skill 依赖、不碰代码版本控制，避免与 AVP 正面重叠。
**反方观点**: AVP 已经把「AI coding agent 的 Git」这个位置占了，团队很可能认为 skill 版本管理顺手用它就够，独立 registry 会变成多余的一层。
### Q19. 初始定价和包装怎么做？
**信号**: hackernews：OpenAI 与 Anthropic 数月内把 LLM 价格下调最高 80%，313 分 / 309 评论；producthunt：MiniMax M3.1 Flash 主打「快 3 倍、便宜 70%」；producthunt：AVP 以开源免费形态出现。
**分析**: 上游推理价格一年内被打掉 70%–80%，意味着任何按「模型调用」计价的外壳都会被持续压价，定价必须锚在「团队协作与合规」而非「算力」。因此走开源核心 + 团队版：个人与开源免费，团队私有 registry 与审计按人头收，自托管给固定年费。这与 AVP 的免费开源形态错位竞争——它免费给版本控制，我收费给合规证据。
**结论**: 做：核心开源免费，团队版定 9 美元/人/月（私有 registry + 审计导出），自托管 490 美元/年；不做按 token 计费的任何档位。
**反方观点**: MiniMax M3.1 Flash 已经把「快 3 倍便宜 70%」当卖点打到台面上，LLM 降价 80% 的 313 分讨论也在提醒买家价格只会更低；AVP 完全免费，9 美元/人的团队版很可能在采购会上被直接对比成「免费的也能用」。
### Q20. 最大反方观点是什么？
**信号**: github-trending：t3dotgg/tstack 1103 stars 已占据「通用 agent skills」心智；hackernews：JetBrains Thinkrail 161 分 / 112 评论，IDE 厂商正在把 agent 能力内建进编辑器；hackernews：The State of Context Engineering 236 分 / 59 评论，主流叙事仍把上下文管理视作 prompt 层的事。
**分析**: 最强的反方不是「没人需要」，而是「轮不到第三方做」。skill 的分发入口天然长在 IDE 与模型厂商手里：JetBrains 已经在 Thinkrail 里内建 agent 能力（161 分 / 112 评论），Claude Code 与 Codex 也各自能直接读 skills 目录。一旦官方加上 lockfile 与审计面板，第三方 registry 的价值会在一个版本内被抹平；而 tstack 的 1103 stars 已经先一步占住了「skills 集合」这个词。
**结论**: 观察：先做开源模板积累使用者，不急着注册公司或做付费墙，等官方是否补齐 lockfile 再决定是否投入。
**反方观点**: t3dotgg/tstack 已 1103 stars、JetBrains Thinkrail 161 分 / 112 评论证明厂商正在内建，官方补齐 skill 版本管理只是一个版本的事，第三方 registry 大概率沦为过渡产物。
## 行动方案
**2 小时可做**: 一个 Node/Bun 写的 CLI，叫 reprice。输入两份文件：(1) cases.jsonl，每行是 {任务标签, 输入, 期望输出或断言函数}；(2) models.yaml，列出候选模型和手抄的当日价格（每 MTok 输入/输出）。流程：对每个候选模型跑全部 case，用“字符串精确/包含”或用户提供的断言函数判定对错，输出一张表——准确率、每千次正确答案的成本（tokens × 单价 ÷ 正确率），并自动标出“比当前模型便宜且准确率下降不超过 2%”的迁移候选。最后生成 report.md：一行结论（“换到 X，省 62%，掉 0.7 个点”）、一张双轴图、一份逐条 case 的 diff。价格表用一个 prices.json + 一次 GET 各家 pricing 页的正则抓取来更新，抓不到就允许手填——不要在第一版里做爬虫工程。
**为什么这个会赢**: 比价页面在降价当天就过期，但“你的 20 条任务上还达标吗”这个答案每周都能重新卖一次。用户投入的是 20 分钟的 golden set 准备，产出的是一个可以无限复用的资产：之后每一次模型换代、每一次降价，Reprice 都自动为他重算一遍。这是典型的“数据在你这边，工具在我这边”的锁定结构，而且第一次交付的价值可以被一句话说完（省 62%，掉 0.7 个点）。
**为什么不是其他方向**:
- OpenRouter / LiteLLM 的价格页与路由：它们解决“请求发得出去、能 fallback”，不解决“换过去之后我的契据解析还对不对”。OpenAI 在 7 月 30 日一天砍 80%，这些表本身也要人维护。
- 自己做 on-prem（IBM 说的两三个机柜）：对独立开发者是六位数的 capex，在没做过一次降价审计之前完全不该考虑。
- 人工 A/B 两周：价格两周变一次，人力节奏永远落后于价格节奏；而且人工 A/B 不会留下可重跑的 case 集。
- 通用评测榜单（LMArena 之类）：DeedReader 那条 10% → 99.6% 说明通用榜单和你的窄任务相关性接近零，榜单第一的模型在你的产权契据上可能只有 42%。
**最快验证步骤**: 今天就在 HN 那条 309 评论的帖子里捞 20 个写了具体任务的人，免费给前 5 个做审计，报告里必须出现一个具体的“省 X%、掉 Y 个点”。如果 5 份里有 3 份愿意为下一份付 $29，就说明“可复用的验证集”这件事有人买单；如果有 4 份说“我直接用最便宜的就行”，就说明用户根本不介意质量掉点，这个产品退化成比价页，应该放弃。
**周末扩展**: Day 2：加一个 localhost:8787 的 OpenAI 兼容代理，按任务标签把请求路由到通过质量线的模型，实时累加成本并在终端显示“今天省了多少钱”。Day 3：接 GitHub Action，模型换代时把 eval 结果贴进 PR，不达标就让 CI 红。Day 4：打包成一个 Agent Skill，让 Claude Code / Codex 能直接说“帮我审计这个项目的模型选型”，复用 tstack 那条 1103 星验证过的分发路径。